celery beat 之Pidfile (celerybeat.pid) already exists报错 今天在django中利用celery来自动添加任务时，执行 启动一个添加任务的服务时报错:Pidfile (celerybeat.pid) already exists 报错原因 celer ...
分类：
其他好文 时间：
2019-09-22 10:27:32
阅读次数：
136
Elasticsearch 的相似度算法 被定义为检索词频率/反向文档频率， TF/IDF ，包括以下内容： 检索词频率 检索词在该字段出现的频率？出现频率越高，相关性也越高。 字段中出现过 5 次要比只出现过 1 次的相关性高。反向文档频率 每个检索词在索引中出现的频率？频率越高，相关性越低。检索 ...
分类：
其他好文 时间：
2019-09-21 10:56:34
阅读次数：
99
本文介绍常见的文本表示模型，One-hot、词袋模型（BOW）、TF-IDF、N-Gram和Word2Vec 一、离散表示 1、One-hot编码 One-hot编码是非常用的方法，我们可以用One-hot编码的方式将句子向量化，大致步骤为： 用构造文本分词后的字典 对词语进行One-hot编码 J ...
分类：
其他好文 时间：
2019-09-05 22:57:26
阅读次数：
1878
五、TF-IDF以及LDA主题模型 TF-IDF关键词提取 可以得到第2400条数据以及关键词 从最后一句话就可以大致得到这段文章的大致意思，那这些词就是这段文章的关键词。 LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，它是一种主题模型，它包含文章，主题和词 ...
分类：
其他好文 时间：
2019-09-04 10:19:58
阅读次数：
164
一、LCS定义 ? 最长公共子序列（Longest Common Subsequence）? 一个序列S任意删除若干个字符得到的新序列T，则T叫做S的子序列? 两个序列X和Y的公共子序列中，长度最长的那个，定义为X和Y的最长公共子序列 – 字符串12455与245576的最长公共子序列为2455 – ...
分类：
其他好文 时间：
2019-09-03 16:13:54
阅读次数：
167
简单介绍 LSA和传统向量空间模型(vector space model)一样使用向量来表示词(terms)和文档(documents)，并通过向量间的关系(如夹角)来判断词及文档间的关系；不同的是，LSA 将词和文档映射到潜在语义空间，从而去除了原始向量空间中的一些“噪音”，提高了信息检索的精确度 ...
分类：
其他好文 时间：
2019-09-03 15:00:27
阅读次数：
222
TF-IDF介绍 TF-IDF是NLP中一种常用的统计方法，用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度，通常用于提取文本的特征，即关键词。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。 在NLP中，TF-IDF的计算公式如下： ...
分类：
其他好文 时间：
2019-09-02 15:44:17
阅读次数：
98
Google的新闻是自动分类而产生的，但是计算机只懂算法，是看不懂我们人类的新闻。若是人为地一个新闻一个新闻地划分又会浪费不必要的人力、物理。由此，我们设计出一个算法，帮助我们利用计算机，自动地划分每天数量庞大地新闻。 算法涉及的方面不多：TF-IDF算法、余弦定理 看过的TF-IDF算法写的比较详 ...
分类：
其他好文 时间：
2019-09-01 22:05:20
阅读次数：
94
Solution: ? 先考虑前缀，设 $f(i, j)$ 为长度为 $i$ 的排列中满足前缀最大值为自己的数有 $j$ 个的排列数。 假设新加一个数 $i+1$ 那么会有： $$ f(i,j)\rightarrow f(i + 1, j + 1)\\ f(i, j)\times i\rightar ...
分类：
其他好文 时间：
2019-08-31 18:56:17
阅读次数：
69
今日完成 还是找论文，看论文，中文的英文的，资料很少，基本上没有这类型的论文，看到了有关cnn分类案件的，cnn本身就可以做特征提取，在想可以不可以用cnn代替bpnn，这样就省去了特征提取的环节了。还是没有做特征提取，正则表达式或TF-IDF啥的，明天一定写。 明日计划 写TF-IDF，先尝试用B ...
分类：
其他好文 时间：
2019-08-22 22:06:44
阅读次数：
81
